金融机构有多重义务监督其客户的活动和行为, counterparties, and associates. 随着客户交互数字化的比例越来越高,这些义务的范围也在不断扩大, 让监管机构产生一种期望,即所有可以被监控的东西都应该被监控. Additionally, 监管机构正越来越多地使用自己的工具来监控机构提交的数据,并寻找机构本应采取行动但却没有采取行动的模式. Lastly, 内部和外部的不良行为者在使用数字工具和能力进行欺诈或其他市场操纵活动方面变得越来越老练.
针对上述问题和挑战, 大多数金融机构都在技术解决方案上投入了大量资金,以提高他们获取适当数据和识别潜在非法行为的能力. Historically, 用于监视(人员)的基础设施, process, 和技术)已经建立在专门用于特定监视义务的竖井中. 金融犯罪合规要求监控可疑活动和潜在欺诈的交易, 市场滥用法规要求对交易活动进行监控,以防潜在的操纵行为, 与客户的沟通也需要监控,以发现不道德或犯罪行为. 由于某些活动,跨这些范围区域的监测方法往往不同, 比如欺诈检测, are real-time, 还有一些活动, 比如AML事务监控, 完成T+1和经常在批处理模式. 这一监测活动中使用的数据有重叠,但又有所不同, 驱动定制的基础设施.
随着数据管理和分析技术的发展, 包括大数据, machine learning, 自然语言处理, 生成式人工智能, 跨不同监视解决方案的底层架构正在融合. 这创造了一个整合的机会, 允许机构重新构建其基础设施, 最大化公共分量, 并使用内部开发和供应商解决方案的组合进行重用. 堆栈中的每一层都可以在不同的义务和业务单元之间进行优化和共享, 包括数据摄取, data prep, 模式检测, 警报的产生和处理, 以及病例管理.
统一的监控基础设施有巨大的好处, 包括降低合规成本, 增加了覆盖活动的范围, 更准确和有效的警报(更少的假阳性和更多的真阳性), 更好地利用运营和分析资源.
实现这些好处需要对监视技术体系结构采用不同的方法, 我将在随后的帖子中探讨.
#金融犯罪#监控#人工智能#十大电子游艺平台首选织#csrigg